platonai/Browser4
Browser4 — an AI-native browser engine for autonomous agents, intelligent extraction, and large-scale web automation.
🤖 Browser4 – その概要
Browser4 は、AIネイティブなブラウザ自動化エンジンです。大規模言語モデルエージェント（または人間）が、高速なRust製CLI（browser4‑cli）を介して実際のChromiumベースのブラウザを操作できます。このシステムは、従来のWeb自動化（クリック、入力、スクロール、スクリーンショット）と、ゼロトークン抽出（X‑SQLおよびCSSセレクタを使用した決定論的なデータ抽出、オプションでLLMによる抽出）を組み合わせています。また、LLM呼び出しなしでHTMLページをスプレッドシートにクラスタリングするWebMinerパイプラインも同梱されています。
主な機能（READMEより）
| 機能 | 説明 |
|---|---|
| エージェントブラウザ | エージェントはブラウザを開き、操作（クリック、入力、スナップショット）し、バッチジョブを実行し、ページをループ処理できます。 |
| ゼロトークン抽出 | X‑SQL + CSSセレクタまたはWebMiner MLクラスタリングを使用して、LLMトークンを消費せずにページを構造化テーブルに変換します。 |
| ハイブリッドインテリジェンス | LLM抽出、MLクラスタリング、再利用可能なセレクタストアを組み合わせます。 |
| 高性能ランタイム | コルーチンセーフなCDPネイティブエンジンで、1台のマシンで1日あたり10万〜20万ページの訪問を想定し、スウォーム/クロールのスケールアウトをサポートします。 |
| エンタープライズ規模の自動化 | スウォームクローリング、バッチ/ループジョブ、ステートフルセッション、プラグイン、ランタイムスキル、ブラウザ拡張機能、HTTPベースのMCPをサポートします。 |
| プログラミングエージェントカーネル | エージェントがBrowser4の成果物を生成、検証、自己開発するための50以上のcoding.*ツールを提供します。 |
動作の仕組み（アーキテクチャ概要）
- バックエンド – Java/Kotlinランタイム（Maven Centralで
browser4‑coreとして公開）で、Chrome DevTools Protocol（CDP）を介してChrome/Edgeと通信します。セッション、プラグイン、スキル、エージェント状態用のPulsar SDKを管理します。 - CLI（
browser4‑cli） – バックエンドにHTTP/MCPコマンドを送信するRustラッパーです。シェルライクなインターフェース（open、click、snapshot、htmlsnapshot、crawl、swarmなど）を提供し、人間またはAIエージェントが使用できます。 - モジュール – プログラミングエージェントカーネル（
browser4‑coding）、テストフィクスチャサーバー（MockSite）、およびWebMiner MLクラスタリングツールとの統合が含まれます。
典型的なユースケース
- 自律エージェント – 短いスキルファイルでLLM（例：Claude、DeepSeek）にプロンプトを与え、
browser4‑cliを呼び出してサイトをナビゲートし、フォームを入力し、データを抽出させます。 - ゼロトークンデータパイプライン – URLのリストをクロールし、
htmlsnapshot query --sql …またはwebminerを実行して、LLMコストをかけずにExcel/HTMLレポートを生成します。 - 大規模クローリング –
swarm create+swarm queryを使用して、数万のページ訪問を複数のマシンに分散します。 - 人間参加型テスト – ヘッド付きブラウザを開き、要素参照を検査し（
snapshot -i --boxes）、その後アクションをスクリプト化します。
はじめに（クイックスタート手順）
- インストール –
npm install -g browser4-cli、次にbrowser4-cli install（または提供されているcurl/PowerShellスクリプトを実行）。 - ブラウザを開く –
browser4-cli open --headed https://example.com。 - 検査 –
browser4-cli snapshot --boxesでe15などの要素参照を確認。 - 操作 –
browser4-cli click e15、browser4-cli fill e16 "text" --submit。 - 抽出 –
browser4-cli get text "h1"またはbrowser4-cli htmlsnapshot query --sql @query.sql。 - スケール – バッチまたは定期ジョブには
crawl、swarm、loopコマンドを使用。
エコシステムと統合
- DeepSeekハーネス – プラグイン（
dsh-browser4）により、dshエージェントフレームワークがBrowser4を直接呼び出せます。 - WebMiner – ローカル（SMILE MLライブラリ）で実行され、HTMLをスプレッドシートにクラスタリングします。商用版はApache Sparkを使用し、1000ページ以上を処理します。
- プラグインとスキル – 組み込みのプラグインシステムで機能を拡張します。
browser4-cli plugin-listで表示できます。 - LLMプロバイダー – 環境変数を介してDeepSeek、OpenRouter、Volcengine、OpenAI互換、Alibaba Cloud Qwenをサポートします。
ドキュメントとサポート
- ウェブサイト – https://browser4.io
- GitHub – イシュー、リリース、CIバッジ、Maven Centralアーティファクト。
- CLIヘルプ –
browser4-cli --helpおよびbrowser4-cli help <command>。 - ステータスダッシュボード –
http://127.0.0.1:18182/statusでライブのヘルス、セッション、スウォームタスクなどを表示します。 - コミュニティ – リポジトリの「Support & Community」にサポートリンクがあります。
ライセンス
Apache‑2.0。
結論： Browser4は、AIエージェントと大規模なWebデータ抽出向けに設計されたフルスタックで高性能なブラウザ自動化プラットフォームであり、従来のSeleniumスタイルの操作と、トークンフリーでML駆動のWebコンテンツ構造化の両方を提供します。
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト